JoyCode Agent Vibe 项目

项目简介

JoyCode Agent（jd-opensource/joycode-agent）是京东开源的仓库级（Repository-level）代码修复智能体，定位为"端到端 LLM 驱动的 SWE-Bench 修复流水线"。它在 SWE-bench Verified 排行榜上取得 74.6% 的解决率（全球第 2 名），资源消耗比同档竞品低 30–50%，是当前自动化软件工程领域最受关注的开源 agent 之一。

核心功能

• 端到端修复流水线：从 issue 拉取 → 生成 patch → 自动生成 / 验证测试 → 失败归因 → 智能重试，完整覆盖 SWE-Bench 真实开源仓库问题的修复链路。
• 智能测试生成：自动生成 Fail2Pass 与 Pass2Pass 测试，并做预验证，保证测试集本身可信。
• 协同验证：patch 与 test 一同生成、互相校验，避免"补丁对、测试错"的假阳性。
• 闭环迭代：Generate → Validate → Refine 循环替代一次性 one-shot 方案，配合 root-cause 失败归因（patch vs test 责任划分）。
• 经验驱动的目标重试：基于历史成功模式检索（CSR）做精细化重试策略。
• 多 Agent 分工：Testing / Patch / CSR / Decision 四个专精 agent 协同决策。
• ReAct 风格工作流：Observe-Think-Act 循环模拟人类开发者节奏。

技术实现

JoyCode 把"生成 + 测试 + 决策"三件套解耦为独立 agent，再通过 React-based Observe-Think-Act 主循环串联。LLM 调用上做了 token-efficient 设计：避免低质量并行采样，宁可少发 patch 也要高命中率；patch 与 test 协同生成，再配合 Docker 容器化的 SWE-bench 评测镜像做隔离执行。决策层采用 LLM-voting 选出最优 patch，CSR 模块则通过检索历史成功 pattern 做经验驱动优化。日志侧全程 trajectory 记录、可选压缩，便于复现与回归。

快速上手

1. 准备 Python 3.11+、可访问 docker.1ms.io 的 Docker 环境，以及 OpenAI / Anthropic 等 LLM API Key；
2. 克隆仓库：git clone https://github.com/jd-opensource/joycode-agent.git && cd joycode；
3. 创建 conda 环境并安装依赖：conda create -n joycode python=3.11 && conda activate joycode && pip install -r requirements.txt；
4. 在 llm_server/model_config.json 配置模型（如 patch_generation 用 gpt-5，温度 1，max_tokens 4000）；
5. 准备 instance_id.txt 列出待处理的 SWE-Bench 实例（如 django__django-11099），先用 docker pull 拉取对应镜像验证连通；
6. 执行 python run_patch_pipeline.py --num-processes 1 --enable-post-process 启动流水线。

适用人群

面向自动化软件工程研究者、SWE-Bench 评测玩家、企业内 AI 工程师，以及想基于开源仓库修复 pipeline 构建内部"代码 issue 自动修复"能力的 DevOps / SRE 团队。